CN109571432A - 一种基于力传感器的机器人直接示教方法 - Google Patents
一种基于力传感器的机器人直接示教方法 Download PDFInfo
- Publication number
- CN109571432A CN109571432A CN201811423577.8A CN201811423577A CN109571432A CN 109571432 A CN109571432 A CN 109571432A CN 201811423577 A CN201811423577 A CN 201811423577A CN 109571432 A CN109571432 A CN 109571432A
- Authority
- CN
- China
- Prior art keywords
- robot
- teaching
- signal
- force
- filtered
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0081—Programme-controlled manipulators with master teach-in means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
Abstract
本发明公开了一种基于力传感器的机器人直接示教方法,涉及机器人技术领域,能够实现良好柔顺性的直接示教控制算法,可以使操作者柔顺的拖动机器人末端进行示教,从而简化示教过程,提高机器人的示教效率。本发明包括:采集力传感器信号并进行滤波;用多项式插补法对外部力进行平滑处理;设定可变阈值使示教更柔顺;建立阻抗模型控制机器人的示教速度;对示教模型进行整形。本发明提供的机器人直接示教方法,针对性强、实时性好,控制效果好,能很好的适用于工业机器人的现场应用。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种基于力传感器的机器人直接示教方法。
背景技术
随着工业和科技的发展,工业机器人已经在人们生活中的各行各业得到了广泛发展。在工业领域里主要用于上下料、仓储、装配、码垛、打磨等领域。工业机器人的应用降低了劳动力成本,提升了工业的生产效率。
为了满足工业应用,操作人员使用机器人示教盒来操作机器人对轨迹点进行示教,并通过编程现场程序以完成相应的作业。该方式要求操作人员具有一定的技术水平,而且操作繁琐、示教效率低。
对现有相关技术进行文献检索后发现,中国专利号:CN103753518A,名称:一种手动示教的机器人。该专利通过加设变速机构,使电机和关节的传动比可调,在使用较低的传动比后可用来手动示教。该发明方法简单,是一种针对关节示教的方法,但是无法对机器人末端轨迹进行示教,具有一定是应用局限性。中国专利号:CN103425100A,名称:基于力矩平衡的机器人直接示教控制方法,该方法通过从机器人电机力矩中抵消重力和摩擦力矩得到外力的方法,直接控制关节运动。该方法不需要传感器,但柔顺性不高,也无法对机器人末端轨迹进行示教。
另一种直接示教控制以力传感器为基础,控制器通过力传感器检测出操作者的操作力,通过运算将其转换成为各关节的位置指令值,控制各关节电机运动,实现对机器人的直接示教。中国专利号:CN105345823A,名称:一种基于空间力信息的工业机器人自由驱动示教方法。该专利用末端传感器来感知外力,并驱动机器人沿着外力方向运动。但该方法使用固定阈值,这样会影响拖动的柔顺性,此外,该方法未对示教点进行挑选,生成的轨迹可能无法满足实际现场需求。
因此,现有技术中缺乏一种机器人直接示教方法,能够对机器人的末端轨迹进行示教,并且保证拖动的柔顺性和工况现场的各种要求。
发明内容
本发明提供一种基于力传感器的机器人直接示教方法,能够实现良好柔顺性的直接示教控制算法,可以使操作者柔顺的拖动机器人末端法兰进行笛卡尔空间的示教,从而简化示教过程,提高机器人的示教效率。
为达到上述目的,本发明采用如下技术方案:
一种基于力传感器的机器人直接示教方法,包括:
S1、把力传感器安装到机器人末端法兰上,对传感器采集到的信号进行滤波,得到实际外力信号,滤波能减少力传感器自身信号的波动和人手的抖动引起输出力信号的波动。
S2、对实际外力信号进行多项式插值,得到平滑处理后的实际外力信号,以获取平滑的力轨迹。
S3、将平滑处理后的实际外力信号和设定阈值进行比较,若大于阈值,执行S4,若小于阈值,循环执行S1-S3。若实际外力信号大于所设定的阈值,则机器人开始受力运动;否则,机器人保持静止状态。设定固定的阈值往往会在拖动时产生一定的顿挫感,因此,设定阈值是可变的。
S4、建立拖动力和机器人示教速度的关系,并建立阻抗模型对机器人进行阻抗控制,阻抗模型的输入为平滑处理后的实际外力信号,输出是机器人速度。
S5、操作者对机器人进行示教,得到拖动轨迹。
S6、利用最小二乘法对拖动轨迹中的点进行选择和拟合,对拖动轨迹进行整形,得到规则示教轨迹,机器人根据示教轨迹工作。
进一步的,所述S1中采用巴特沃斯滤波方法对所述采集信号进行滤波。
进一步的,滤波后的信号表示为:
F_filter=H*F
其中,F是原始力信号,H是巴特沃斯滤波器,F_filter是滤波后的力信号。
进一步的,所述多项式插值为三次多项式插值,表达为:
Fi=ai(t-ti)3+bi(t-ti)2+ci(t-ti)+di
其中,Fi是第i个采集力信号,ai,bi,ci,di是多项式系数,t是插补时间,ti是第i个插补时间,i为正整数。
进一步的,所述阻抗模型为在笛卡尔坐标空间中的弹簧-阻尼-质量系统。
进一步的,所述阻抗模型的表达式为:
其中,分别是期望的位置、速度、加速度,分别是实际的位置、速度、加速度,F是机器人驱动力,K是刚度矩阵,B是阻尼矩阵,M是惯性矩阵。
本发明的有益效果是:
本发明通过对力传感器信号进行巴特沃斯滤波和多项式插补消除人操作手柄带来的信号波动,这样可以得到平滑的力信号,便于提高控制的平稳性;再通过设定可变的阈值来判断是否有外力,从而降低了拖动中带来的机器人运动卡顿的情况,使机器人获得更好的柔顺性;机器人的运动速度随外力的变化关系通过阻抗模型得到,以达到人机交互;为了获得理想的示教轨迹,对人手拖动示教的轨迹进行了筛选和拟合,以提高机器人的加工质量;综上,本发明提供的机器人直接示教方法,针对性强、实时性好,控制效果好,能很好的适用于工业机器人的现场应用。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明的控制流程图;
图2为带六维力传感器的机器人示意图;
图3为机器人阻抗模型示意图;
图4为机器人示教轨迹整形图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步详细描述。
本发明实施例提供一种基于力传感器的机器人直接示教方法,流程如图1所示,包括:
(1)对采集的力传感器信号进行滤波
把六维力传感器和手柄安装到机器人法兰,图2是相应的示意图。当人操作手柄,力传感器会反馈操作人员施加的力。可是人操作手柄时有一定的抖动,导致从力传感器获取的值有一定的波动,如果直接用于控制则会影响机器人运动的平稳性。为此,对采集的传感器外部受力信息进行巴特沃斯滤波处理,从而得到滤波后平滑的外部力信号。处理后的信号可表示为:
F_filter=H*F
其中,F是原始力信号,H是巴特沃斯滤波器,F_filter是滤波后的力信号。
巴特沃斯滤波器的传递函数可表示为:
其中,a、b为实常数,m、n=1,2,3…(m≤n),n是滤波器的阶数。
在设计巴特沃斯滤波器时,需要对滤波器截止频率和滤波器的阶数进行选择,设定滤波器的截止频率为100Hz,滤波器的阶数为3可满足滤波要求。
(2)对实际的外部受力信息进行多项式插补来获得平滑的力轨迹
通过(1)得到了经过滤波的实际力信号,但是由于人手在拖动使会有波动,如果直接用于拖动控制会影响机器人的运行柔顺性;为了得到平滑的运行轨迹,采用延时控制,延时时间为10ms,在该时间内对前面的实际外力信号进行多项式插值,例如,当采集了N个力信号后,对这N个信号进行三次多项式插值。三次多项式具有以下形式:
Fi=ai(t-ti)3+bi(t-ti)2+ci(t-ti)+di
其中,Fi是第i个采集力信号,ai,bi,ci,di是多项式系数,t是插补时间。ti是第i个插补时间。
通过延时控制,可以对力信号进行平滑处理,提高机器人运动的平滑性和人机交互的的顺滑感。
(3)设定可变的阈值获得更好的柔顺性
为了判断手柄有没有受到外力,将(2)处理后的外部力信号与设定的阈值进行比较,若外部力信号大于所设定的阈值,则机器人开始受力运动;否则,认为机器人末端未受到外力,机器人保持静止状态。
由于传感器自身的温度漂移以及对末端手柄重力补偿的偏差,需要将阈值设的比较高,低的阀值可能会导致机器人在无外力下产生额外的运动,但是高的阀值会让操作者在拖动时产生一定的顿挫感。为此,每隔M个控制周期进行一次阀值判断,当外力值大于所设定的高的阀值Fs时,将其后的M个控制周期内的阀值设为低的阀值Fm;当外力值小于所设定的阀值Fs时,将其后的M个控制周期内的阀值保持原来的高阀值。这样既可以保证机器人不会因为阀值过低而产生额外的运动又能减小因为高的阀值而影响拖动的柔顺性。
(4)建立阻抗模型控制机器人的示教速度
为了控制机器人随着操作人员的运动而运动,需要把操作人员的操作力和机器人运动速度结合起来。而阻抗控制可以很好的机器人处理接触问题,它能够控制机器人与外界环境之间的动态作用。阻抗控制的对象是机器人,输入为(3)中的外力,输出是机器人速度。用弹簧-阻尼-质量系统来表示机器人的阻抗模型:
其中,分别是期望的位置、速度、加速度;分别是实际的位置、速度、加速度;F是机器人驱动力;K是刚度矩阵;B是阻尼矩阵;M是惯性矩阵。阻抗模型建立之后就可控制机器人的拖动速度。
图3是阻抗模型的示意图,实际操作中,可以对M,B,K进行不同的设定来满足不同速度的需求,当M,B,K较小时,机器人的速度较快,而当M,B,K较大时,机器人的速度较慢。
(5)对示教的轨迹进行整形,以便得到规则的示教轨迹。
操作人员在拖动机器人手柄进行示教时,总会示教某些不理想的点,例如在示教直线轨迹时,会出现偏离轨迹的点。如果把偏离轨迹的点作为示教点,则会影响作业效果或精度,因此,需要对手动示教的点进行挑选。为了得到理想的示教轨迹,对示教轨迹中的示教点使用最小二乘法进行选择和拟合,表示为:
x_filter=A*x
其中,x是原始数据;A是回归矩阵,x_filter是x的拟合值。
图4最小二乘法曲线拟合的效果示意图,最小二乘法通过最小化误差的平方和寻找数据的最佳函数匹配,这样既能保证示教轨迹的基本现状不变,又能去除那些不好的点,从而改善机器人的作业效果。
本发明的有益效果是:
本发明通过对力传感器信号进行巴特沃斯滤波和多项式插补消除人操作手柄带来的信号波动,这样可以得到平滑的力信号,便于提高控制的平稳性;再通过设定可变的阈值来判断是否有外力,从而降低了拖动中带来的机器人运动卡顿的情况,使机器人获得更好的柔顺性;机器人的运动速度随外力的变化关系通过阻抗模型得到,以达到人机交互;为了获得理想的示教轨迹,对人手拖动示教的轨迹进行了筛选和拟合,以提高机器人的加工质量;综上,本发明提供的机器人直接示教方法,针对性强、实时性好,控制效果好,能很好的适用于工业机器人的现场应用。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种基于力传感器的机器人直接示教方法,其特征在于,包括:
S1、把力传感器安装到机器人末端法兰上,对传感器采集到的信号进行滤波,得到实际外力信号;
S2、对实际外力信号进行多项式插值,得到平滑处理后的实际外力信号;
S3、将平滑处理后的实际外力信号和设定阈值进行比较,若大于阈值,执行S4,若小于阈值,机器人不动,循环执行S1-S3;
S4、建立拖动力和机器人示教速度的关系,并建立阻抗模型对机器人进行阻抗控制,阻抗模型的输入为平滑处理后的实际外力信号,输出是机器人速度;
S5、操作者对机器人进行示教,得到拖动轨迹;
S6、利用最小二乘法对拖动轨迹中的点进行选择和拟合,得到示教轨迹,机器人根据示教轨迹工作。
2.根据权利要求1所述的方法,其特征在于,所述S1中采用巴特沃斯滤波方法对所述采集信号进行滤波。
3.根据权利要求2所述的方法,其特征在于,滤波后的信号表示为:
F_filter=H*F
其中,F是原始力信号,H是巴特沃斯滤波器,F_filter是滤波后的力信号。
4.根据权利要求1所述的方法,其特征在于,所述多项式插值为三次多项式插值,表达为:
Fi=ai(t-ti)3+bi(t-ti)2+ci(t-ti)+di
其中,Fi是第i个采集力信号,ai,bi,ci,di是多项式系数,t是插补时间,ti是第i个插补时间,i为正整数。
5.根据权利要求1所述的方法,其特征在于,所述阻抗模型为在笛卡尔坐标空间中的弹簧-阻尼-质量系统。
6.根据权利要求5所述的方法,其特征在于,所述阻抗模型的表达式为:
其中,分别是期望的位置、速度、加速度,分别是实际的位置、速度、加速度,F是机器人驱动力,K是刚度矩阵,B是阻尼矩阵,M是惯性矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811423577.8A CN109571432A (zh) | 2018-11-26 | 2018-11-26 | 一种基于力传感器的机器人直接示教方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811423577.8A CN109571432A (zh) | 2018-11-26 | 2018-11-26 | 一种基于力传感器的机器人直接示教方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109571432A true CN109571432A (zh) | 2019-04-05 |
Family
ID=65924332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811423577.8A Pending CN109571432A (zh) | 2018-11-26 | 2018-11-26 | 一种基于力传感器的机器人直接示教方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109571432A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110053022A (zh) * | 2019-04-28 | 2019-07-26 | 郑州工程技术学院 | 一种三维力传感器的机器人示教系统及示教方法 |
CN112497209A (zh) * | 2020-10-30 | 2021-03-16 | 北京配天技术有限公司 | 机器人控制方法、存储装置、计算机设备和机器人 |
CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
CN113442111A (zh) * | 2020-03-27 | 2021-09-28 | 北京配天技术有限公司 | 机器人及其力矩补偿方法 |
CN116442240A (zh) * | 2023-05-26 | 2023-07-18 | 中山大学 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
CN117558174A (zh) * | 2023-11-13 | 2024-02-13 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110136036A (ko) * | 2010-06-14 | 2011-12-21 | 대우조선해양 주식회사 | 로봇 교시 장치 및 방법 |
CN102436348A (zh) * | 2011-11-14 | 2012-05-02 | 中国科学院合肥物质科学研究院 | 一种基于力信息的毛笔书法表达方法 |
CN102496176A (zh) * | 2011-11-14 | 2012-06-13 | 中国科学院合肥物质科学研究院 | 一种基于力信息的钢笔书法表达方法 |
CN102953726A (zh) * | 2011-08-22 | 2013-03-06 | 中国石油大学(华东) | 一种水驱油田优势通道识别方法及装置 |
CN103913259A (zh) * | 2014-03-25 | 2014-07-09 | 哈尔滨工业大学 | 具有自动补偿的机器人末端六维力矩传感器采集系统及其零漂补偿方法和零点漂移获得方法 |
CN105345823A (zh) * | 2015-10-29 | 2016-02-24 | 广东工业大学 | 一种基于空间力信息的工业机器人自由驱动示教方法 |
CN105843983A (zh) * | 2016-03-14 | 2016-08-10 | 哈尔滨工程大学 | 基于方差补偿卡尔曼与限定记忆最小二乘对uuv水动力参数的组合辨识方法 |
CN106774181A (zh) * | 2016-12-23 | 2017-05-31 | 东南大学 | 基于阻抗模型的高精度牵引示教机器人的速度控制方法 |
CN207502084U (zh) * | 2017-09-06 | 2018-06-15 | 江苏恒毅运控智能设备科技有限公司 | 力的测量电路和力的测量电路系统 |
-
2018
- 2018-11-26 CN CN201811423577.8A patent/CN109571432A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110136036A (ko) * | 2010-06-14 | 2011-12-21 | 대우조선해양 주식회사 | 로봇 교시 장치 및 방법 |
CN102953726A (zh) * | 2011-08-22 | 2013-03-06 | 中国石油大学(华东) | 一种水驱油田优势通道识别方法及装置 |
CN102436348A (zh) * | 2011-11-14 | 2012-05-02 | 中国科学院合肥物质科学研究院 | 一种基于力信息的毛笔书法表达方法 |
CN102496176A (zh) * | 2011-11-14 | 2012-06-13 | 中国科学院合肥物质科学研究院 | 一种基于力信息的钢笔书法表达方法 |
CN103913259A (zh) * | 2014-03-25 | 2014-07-09 | 哈尔滨工业大学 | 具有自动补偿的机器人末端六维力矩传感器采集系统及其零漂补偿方法和零点漂移获得方法 |
CN105345823A (zh) * | 2015-10-29 | 2016-02-24 | 广东工业大学 | 一种基于空间力信息的工业机器人自由驱动示教方法 |
CN105843983A (zh) * | 2016-03-14 | 2016-08-10 | 哈尔滨工程大学 | 基于方差补偿卡尔曼与限定记忆最小二乘对uuv水动力参数的组合辨识方法 |
CN106774181A (zh) * | 2016-12-23 | 2017-05-31 | 东南大学 | 基于阻抗模型的高精度牵引示教机器人的速度控制方法 |
CN207502084U (zh) * | 2017-09-06 | 2018-06-15 | 江苏恒毅运控智能设备科技有限公司 | 力的测量电路和力的测量电路系统 |
Non-Patent Citations (2)
Title |
---|
许西宁等: ""基于声弹性效应的钢轨应力检测方法"", 《北京交通大学学报》 * |
赫向阳: ""七自由度仿人机械臂直接示教方法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110053022A (zh) * | 2019-04-28 | 2019-07-26 | 郑州工程技术学院 | 一种三维力传感器的机器人示教系统及示教方法 |
CN113442111A (zh) * | 2020-03-27 | 2021-09-28 | 北京配天技术有限公司 | 机器人及其力矩补偿方法 |
CN113442111B (zh) * | 2020-03-27 | 2022-07-12 | 北京配天技术有限公司 | 机器人及其力矩补偿方法 |
CN112497209A (zh) * | 2020-10-30 | 2021-03-16 | 北京配天技术有限公司 | 机器人控制方法、存储装置、计算机设备和机器人 |
CN113305843A (zh) * | 2021-05-28 | 2021-08-27 | 深圳亿嘉和科技研发有限公司 | 一种机械臂零力控制方法 |
CN116442240A (zh) * | 2023-05-26 | 2023-07-18 | 中山大学 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
CN116442240B (zh) * | 2023-05-26 | 2023-11-14 | 中山大学 | 一种基于高通滤波解耦的机器人零力控制方法及装置 |
CN117558174A (zh) * | 2023-11-13 | 2024-02-13 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
CN117558174B (zh) * | 2023-11-13 | 2024-04-12 | 山东卓朗检测股份有限公司 | 面向教学机器人训练的数据采集和分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109571432A (zh) | 一种基于力传感器的机器人直接示教方法 | |
CN110799309B (zh) | 具有配置相关动力学的系统的振动控制 | |
Parra-Vega et al. | Dynamic sliding PID control for tracking of robot manipulators: Theory and experiments | |
Hashemi et al. | Model-based PI–fuzzy control of four-wheeled omni-directional mobile robots | |
CN104908040B (zh) | 一种冗余度机械臂加速度层的容错规划方法 | |
CN110421564A (zh) | 一种基于关节能耗评估的机器人工作单元布局优化方法 | |
CN101804627A (zh) | 一种冗余度机械臂运动规划方法 | |
CN101927495A (zh) | 一种冗余度机械臂重复运动规划方法 | |
CN107160396B (zh) | 一种基于轨迹优化的机器人振动控制器及方法 | |
CN110561421B (zh) | 机械臂间接拖动示教方法及装置 | |
CN109822550B (zh) | 一种复杂曲面机器人高效高精度示教方法 | |
CN111553239A (zh) | 一种机器人关节视觉伺服控制方法、终端设备及存储介质 | |
CN111702767A (zh) | 一种基于反演模糊自适应的机械手阻抗控制方法 | |
CN109857100A (zh) | 一种基于反演法和快速终端滑模的复合轨迹跟踪控制算法 | |
CN102707671A (zh) | 应用于工具机的加工路径最佳化方法 | |
US20200073343A1 (en) | Machine learning device, control system, and machine learning method | |
CN105892412A (zh) | 基于自定义总线的多轴运动控制系统硬件架构 | |
Ruchanurucks et al. | Humanoid robot motion generation with sequential physical constraints | |
Zhao et al. | Manipulator trajectory tracking based on adaptive sliding mode control | |
CN108490874B (zh) | 一种双轴运动控制系统的非线性pid交叉耦合控制方法 | |
CN106877769A (zh) | 一种伺服电机速度控制器增益参数自整定的方法 | |
Luan et al. | Optimum motion control of palletizing robots based on iterative learning | |
Lee et al. | Faster and smoother trajectory generation considering physical system limits under discontinuously assigned target angles | |
US20200301376A1 (en) | Machine learning device, control system, and machine learning | |
Tsai et al. | Integration of input shaping technique with interpolation for vibration suppression of servo-feed drive system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190405 |